“habilidades cognitivas y socioemocionales, y …
TRANSCRIPT
i
“HABILIDADES COGNITIVAS Y SOCIOEMOCIONALES, Y
SALARIOS: EL ROL DE LAS HABILIDADES LATENTES EN LA
BRECHA SALARIAL DE GÉNERO EN EL PERÚ”
Trabajo de Investigación presentado
para optar al Grado Académico de
Magíster en Economía
Presentado por
Srta. Luciana Velarde Arrisueño
Asesor: Profesor Pablo Lavado Padilla
2013
ii
Para mi mamá, Mónica, mi motivación y mi razón
de ser.
“En la vida no gana el más grande ni el más fuerte,
sino aquel que cree poder hacerlo” (adaptación de
la frase de Rudyard Kipling).
iii
Agradezco la contribución de mi asesor Pablo
Lavado, cuyo apoyo fue fundamental para el
desarrollo de este documento. También agradezco
los comentarios de Sergio Urzúa y de los
participantes de la conferencia “Conference on
Skills, Education and Labor Market Outcomes”
llevada a cabo en la Universidad de Maryland; de
la conferencia “Inequalities in Children’s
Outcomes in Developing Countries” llevada a cabo
en la Universidad de Oxford, y del “Seminario de
Investigación” del Banco Central de Reserva.
iv
Resumen ejecutivo
En los últimos años, la literatura ha analizado la relación entre las habilidades cognitivas y no
cognitivas y los resultados del mercado laboral. Más aún, se ha estudiado la correlación entre
diferencias en estas habilidades y diferencias en salarios entre hombres y mujeres, pero la
mayoría de los estudios en torno al tema se han enfocado en países desarrollados.
El principal objetivo de este estudio es analizar el rol de las habilidades cognitivas y no
cognitivas en la brecha salarial de género en el Perú. Para ello, proponemos utilizar
información longitudinal de medidas de habilidad para estimar componentes inobservables
(latentes) de ambas habilidades y analizar el rol de dichos componentes en el salario.
Los resultados indican que existe una brecha salarial de género significativa en el Perú y que la
misma puede ser explicada por diferencias en el retorno de habilidades cognitivas latentes y por
diferencias en la dotación de habilidades no cognitivas latentes. Luego de estimar un modelo
conjunto de educación, empleo, ocupación y salarios, se observa que aun cuando las
habilidades latentes explican la brecha de salarios, las mismas son más importantes para
explicar la diferencia en la decisión tomada por hombres y mujeres en cuanto a su ocupación.
v
Índice
Índice de tablas ..................................................................................................................... vii
Índice de anexos .................................................................................................................. viii
Resumen ejecutivo ................................................................................................................. iv
Capítulo I. Introducción ........................................................................................................ 1
Capítulo II. Revisión de literatura ........................................................................................ 3
Capítulo III. Modelo .............................................................................................................. 8
1. Modelo de educación ......................................................................................................... 9
2. Modelo de empleo.............................................................................................................. 9
3. Modelo de ocupación ....................................................................................................... 10
4. Modelo de salarios ........................................................................................................... 10
Capítulo IV. Fuentes de información y muestra ............................................................... 12
Capítulo V. Implantación econométrica ............................................................................ 16
1. Estimación de habilidades latentes ................................................................................... 17
2. Brecha salarial del género y el método de descomposición de Blinder-Oaxaca ............... 19
Capítulo VI. Resultados ....................................................................................................... 20
1. Salarios y medidas de habilidad ....................................................................................... 20
1.1 Método de Descomposición de Blinder-Oaxaca .............................................................. 21
1.2 Estimación conjunta: educación, empleo, ocupación y salarios. ..................................... 23
2. Salarios y habilidades latentes ......................................................................................... 25
2.1 Aproximando habilidades latentes .................................................................................. 25
2.2 Método de Descomposición de Blinder-Oaxaca .............................................................. 29
2.3 Estimación conjunta: educación, empleo, ocupación y salarios ...................................... 31
3. Pruebas de robustez: soporte común ................................................................................ 32
4. Limitaciones ..................................................................................................................... 33
Conclusiones y recomendaciones ........................................................................................ 35
vi
Bibliografía .......................................................................................................................... 38
Anexos .................................................................................................................................. 40
Nota biográfica .................................................................................................................... 46
vii
Índice de tablas
Tabla 1. Estadísticas descriptivas: Estudio Niños del Milenio ...................................... 13
Tabla 2. Estadísticas descriptivas: ENHAB .................................................................. 15
Tabla 3. Ecuación de Mincer con medidas de habilidad ............................................... 21
Tabla 4. Descomposición de Blinder-Oaxaca con medidas de habilidad ...................... 23
Tabla 5. Estimación conjunta con medidas de habilidad ............................................... 24
Tabla 6. Estimación de la primera etapa (modelo de efectos fijos – medidas de
habilidad) ......................................................................................................... 26
Tabla 7. Estimación de la segunda etapa (habilidades latentes sobre
características permanentes, NM).................................................................... 27
Tabla 8. Estadísticas de la tercera etapa (habilidades latentes predichas en ambas
bases de datos) ................................................................................................ 28
Tabla 9. Ecuación de Mincer con habilidades latentes .................................................. 29
Tabla 10. Descomposición de Blinder-Oaxaca con habilidades latentes ........................ 31
Tabla 11. Estimación conjunta con habilidades latentes ................................................. 32
viii
Índice de anexos
Anexo 1. Componentes psicosociales – muestras de ENM ............................................ 41
Anexo 2. Habilidades latentes y soporte común ............................................................. 43
1
Capítulo I. Introducción
La existencia de brechas salariales no es un tema nuevo, en particular aquella que implica
salarios distintos entre hombres y mujeres. A lo largo de los años, diversos expertos han
analizado los factores que podrían estar explicando ésta y otras brechas. Un tema que ha
llamado la atención de estudiosos en este campo es el rol que juegan las diferencias en
habilidades cognitivas y no cognitivas en las brecha salariales. En particular, se ha documentado
qué diferencias en habilidades cognitivas entre hombres y mujeres se encuentran fuertemente
relacionadas con diferencias en los salarios de los mismos (Neal y Johnson 1996: 869-895;
Ritter y Taylor 2011: 30-42). El mayor nivel de este tipo de habilidades entre los hombres
parece contribuir a los mayores salarios que reciben en comparación con las mujeres. Más aún,
las brechas en este tipo de habilidad podrían contribuir a brechas de salario no solo por las
diferencias en el nivel de este tipo de habilidad, pero también por diferencias en el retorno de las
mismas en términos de salario; un punto adicional en una prueba cognitiva podría significar una
mayor ganancia en términos de salario para un hombre que para una mujer, ceteris paribus.
Recientemente la literatura se ha enfocado en la relación entre las habilidades no cognitivas
(ámbitos de la personalidad) y la productividad de los individuos (Heckman et al. 2006: 411-
482). En cuanto a la relación entre las pruebas que miden habilidades no cognitivas e
indicadores de mercado laboral, se ha encontrado que existe una relación positiva entre salarios
y algunas medidas de habilidad no cognitiva (Fortin, 2008; Grove et al. 2011: 827-874; Cobb-
Clark y Tann 2009). En cuanto a cómo se forman este tipo de habilidades, se ha cuestionado la
idoneidad de las medidas de habilidad comúnmente utilizadas ya que parecen ser malas
aproximaciones de las habilidades latentes debido a los potenciales problemas de error de
medición y causalidad reversa a los que son susceptibles (Heckman et al. 2006: 411-482). En
efecto, uno de los principales factores que determinan los salarios son las habilidades latentes.
No obstante, muy pocos estudios han analizado el rol de las habilidades no cognitivas latentes
en la brecha salarial de género. Más aún, este tema en particular no ha sido abordado para países
en vías de desarrollo y, en particular, para la región de América Latina.
El principal objetivo de este documento es analizar el rol de las habilidades cognitivas y no
cognitivas latentes en la brecha salarial de género en un país en vías de desarrollo por medio de
aproximaciones de las habilidades latentes.
2
Para ello, proponemos un procedimiento econométrico que permite estimar aproximaciones de
las habilidades cognitivas y no cognitivas latentes sobre la base del modelo de habilidades
latentes propuesto por Heckman et al. (2006). A diferencia de dichos autores, nosotros
explotaremos la disponibilidad de información de datos de panel para utilizar la persistencia a lo
largo del tiempo en las pruebas de habilidades como fuente de identificación. Luego,
complementaremos los estimados obtenidos con información de salarios con el fin de estimar el
rol de las habilidades latentes en la brecha salarial de género. En concreto, partimos de un
modelo simple al cual aplicamos el método de descomposición de Blinder-Oaxaca, para luego
estimar un modelo conjunto de educación, empleo, ocupación y salarios. Asimismo,
compararemos los resultados obtenidos haciendo uso de medidas de habilidad y de las
habilidades latentes estimadas como resultado del procedimiento econométrico propuesto.
3
Capítulo II. Revisión de literatura
Durante décadas los investigadores han centrado su atención en la relación entre el puntaje de
pruebas de habilidad e indicadores del mercado laboral. Dichos estudios se concentran en el
puntaje de pruebas que evalúan habilidades cognitivas (pruebas de razonamiento matemático,
verbal, entre otros). Murnane et al. (1995: 251-266) evalúan el rol de las habilidades
matemáticas de jóvenes próximos a graduarse de la secundaria en sus salarios a los 24 años y
encuentran una relación positiva y creciente de dichas habilidades cognitivas en los salarios
(especialmente cuando las habilidades fueron medidas próximas a la graduación). En un estudio
más reciente, Cunha et al. (2006) proponen que la habilidad cognitiva afecta la probabilidad de
alcanzar un mayor nivel educativo y el retorno económico del mismo.
Recientemente se ha incrementado el interés por analizar el rol de las habilidades no cognitivas
y su impacto en variables asociadas al mercado laboral. Trabajos precursores como el de
Bowles y Gintis (1976), Edwards (1976: 125-138) y Klein et al. (1991: 929-954) muestran que
habilidades no cognitivas como la dependencia y persistencia son altamente valoradas por los
empleadores. Estudios más recientes como el de Heckman et al. (2006) apoyan la existencia de
dicha relación al encontrar una relación positiva entre el puntaje de pruebas que miden
habilidades no cognitivas e indicadores asociados al mercado laboral.
En cuanto a la contribución de las diferencias en habilidades a las brechas en diversos
indicadores del mercado laboral, gran parte de los estudios abordan el rol de las habilidades
cognitivas en brechas salarias raciales o de género (Neal y Johnson, 1996; Ritter y Taylor,
2011). Pocos estudios abordan la contribución de habilidades no cognitivas a brechas salariales
de género.
En este sentido, Fortin (2008) investiga el impacto de aspectos de la personalidad como
autoestima, locus de control, la importancia del dinero/trabajo y la importancia de las
personas/familia en la brecha salarial de género. Haciendo uso de dos encuestas longitudinales,
el Estudio Longitudinal Nacional de 1972 (por sus siglas en inglés, NLS72) y el Estudio
Educativo Longitudinal Nacional de 1988 (por sus siglas en inglés, NELS88), se encuentra
cuáles son los factores no cognitivos que explican una parte pequeña pero importante -alrededor
de dos puntos en el logaritmo del salario- de la brecha salarial de género entre trabajadores de
30 años. En particular, en cuanto a la importancia otorgada al "dinero/trabajo" y a las
"personas/familia" (asociadas a autoestima y confianza) se encontró que mientras los hombres
4
suelen ser más ambiciosos y valorar más aquellos empleos que ofrecen salarios altos, las
mujeres suelen optar por trabajos con un componente altruista.
Grove et al. (2011) exploran el poder explicativo de variables no cognitivas y variables de
capital humano en la brecha salarial de profesionales con Maestrías en Administración de
Negocios (por sus siglas en inglés, MBA). Haciendo uso de una encuesta longitudinal de
individuos que se registraron para el Examen de Admisión para Estudios de Postgrado en
Gerencia (por sus siglas en inglés, GMAT) entre 1990 y 1998, se encuentra que el 82% de la
brecha salarial de género es explicada por habilidades no cognitivas y preferencias relacionadas
con la familia, carrera y empleo. Al parecer, las mujeres en la muestra experimentan una
penalidad en el salario por revelar preferencias hacia trabajos altruistas, los cuales -en
promedio- otorgan menores salarios. Los hombres atribuyen una mayor importancia a la riqueza
que las mujeres, pero ello no está asociado con la brecha salarial entre ambos. La brecha está
explicada principalmente por la experiencia educativa y la tenencia de empleo por parte de los
hombres.
Cobb-Clark y Tann (2011) evalúan si las habilidades no cognitivas de hombres y mujeres
ejercen influencia sobre su ocupación y si, por tanto, contribuyen a la disparidad en salarios
relativos. Utilizando información de empleados (no autoempleados) de 25 a 65 años contenida
en la Encuesta de Hogares, Ingreso y Dinámica Laboral en Australia (HILDA) de 2001 y 2006
encuentran una relación entre el nivel de habilidades no cognitivas y la ocupación en la que
dichos empleados laboran. No obstante, si bien la brecha salarial de género es de 0,143 (en
términos del logaritmo del salario), el 96,6% es atribuible a diferencias en el salario de hombres
y mujeres empleados en la misma ocupación. Por tanto, el componente más importante de la
brecha salarial de género ocurre al interior de cada ocupación y permanece aún inexplicado.
Gran parte de los estudios en torno al rol de las pruebas que evalúan habilidades cognitivas y no
cognitivas en indicadores de mercado laboral se han realizado en países desarrollados. A
nuestro entender, muy pocos han abordado el tema para países en desarrollo y, en particular,
para países de la región.
Bassi y Galiani (2009) utilizan una encuesta nacional con información sobre adultos de 25 a 30
años con el fin de explorar el rol que ejercen las pruebas que miden habilidades cognitivas y no
cognitivas en el logaritmo de los salarios. Los autores encuentran coeficientes significativos
para ambos tipos de habilidad así como que los mismos se reducen luego de controlar por el
5
nivel educativo de los individuos. Este resultado probablemente esté asociado al hecho que al
utilizar medidas de habilidad (a diferencia de habilidades latentes) el efecto de los años de
educación genera un sesgo en los coeficientes de dichas medidas en aquellas regresiones de
salarios (por ejemplo) en las que no se controla por años de educación.
Díaz et al. (2012) estiman retornos a la educación, habilidades cognitivas y no cognitivas en el
Perú utilizando la Encuesta de Habilidades y Mercado Laboral (ENHAB) que comprende una
muestra de personas en edad de trabajar, por medio de una aproximación de variables
instrumentales para abordar los problemas asociados a la endogeneidad de los años de
educación presentes en la ecuación de salarios. Los autores hallaron que el mercado laboral
peruano valora la educación y las habilidades cognitivas y no cognitivas. En particular,
encuentran que un incremento de una desviación estándar en los años de educación se encuentra
asociado con un incremento de 15% en los salarios, mientras que cambios similares en el nivel
de habilidades cognitivas y no cognitivas se encuentran asociados con incrementos de 9% y 5%
a 8% en los salarios, respectivamente.
Urzúa et al. (2009) profundizan en el análisis de discriminación de género en el mercado laboral
para el caso de Chile, utilizando información sobre indicadores de mercado laboral, logro,
desempeño educativo y otras variables relacionadas con el entorno familiar de cada individuo.
Los autores trabajan a base de estudios previos que abordan la estimación de modelos de
mercado laboral con múltiples fuentes de heterogeneidad no observada generada por habilidades
cognitivas y no cognitivas. Sin embargo, por limitaciones en la disponibilidad de la
información, solo consideran una fuente de heterogeneidad no observada, es decir, capturan el
efecto de las habilidades cognitivas y no cognitivas en un solo componente (como una sola
variable). Los resultados obtenidos sugieren la existencia de brechas de género en variables
como experiencia, empleo, horas trabajadas y salarios por hora que no pueden ser explicadas
por características observables o mecanismos de selección que generan endogeneidad. No
obstante, hallan evidencia que las mujeres que adquieren bajos niveles educativos suelen ser
víctimas de discriminación salarial. Hasta donde tenemos conocimiento, este estudio es el único
que aborda el rol de habilidades cognitivas y no cognitivas (latentes) en la brecha salarial de
género en un país en vías de desarrollo.
De acuerdo con muchos de los estudios presentados líneas arriba, un segundo tema de interés es
el proceso de formación de las habilidades cognitivas y no cognitivas. Heckman et al. (2006)
argumentan que las pruebas que miden este tipo de habilidades no reflejan el verdadero nivel de
6
habilidad (lo denominado "habilidad latente") ya que, al ser función del nivel educativo, se
encuentran medidas con error. Por tanto, utilizar el puntaje de dichas pruebas en regresiones de
salarios y años de educación es problemático. Al controlar por el nivel educativo, tanto las
habilidades cognitivas como las no cognitivas pueden predecir los salarios. Sin embargo, el
nivel educativo es una variable de elección y, por tanto, implica problemas de endogeneidad que
deben ser considerados. Omitir el nivel educativo de una ecuación de salarios incrementa la
correlación entre ambos tipos de habilidades y el salario percibido. Los efectos estimados
comprenden tanto el efecto directo (sobre la productividad) como el indirecto (a través del nivel
educativo) de las habilidades en los salarios. No obstante, existe una importante diferencia entre
pruebas que miden las habilidades no cognitivas y cognitivas, como las de Coeficiente
Intelectual (CI), y pruebas que miden logros de aprendizaje. Si bien el CI tiende a estar
establecido alrededor de los ocho años de edad, los resultados de pruebas de logros de
aprendizaje han evidenciado ser cambiantes y crecientes según el nivel educativo adquirido.
Hansen et al. (2004: 39-98) desarrollan dos métodos para estimar el efecto del nivel educativo
en las pruebas de logros de aprendizaje que controlan por la endogeneidad asociada. Plantean
que tanto el nivel educativo adquirido como los puntajes de pruebas de habilidades son
generados por un componente no observado común: las habilidades latentes. De esta manera,
encuentran que el efecto del nivel educativo en el puntaje de pruebas de habilidad es lineal a
través de niveles educativos y mayor para bajos niveles de habilidad. Alcanzar un mayor nivel
educativo incrementa el puntaje obtenido en la prueba Test de Calificación de las Fuerzas
Armadas (por sus siglas en inglés, AFQT), considerada en el estudio en cuestión, entre dos y
cuatro puntos porcentuales. Los autores contribuyen a la estimación del impacto del nivel
educativo en las habilidades medidas en varios quintiles de la distribución de habilidades
latentes. Asimismo, presentan evidencia que la medida de coeficiente intelectual (CI) utilizada
por Herrnstein y Murray (1994) se encuentra fuertemente afectada por el nivel educativo de los
individuos. Modelan los puntajes de pruebas de habilidades como función de las habilidades
latentes (además de otros factores), y modelan el nivel educativo como función de las
habilidades latentes (y otros determinantes). Consideran efectos de truncamiento (en pruebas
sencillas, el puntaje máximo puede ser alcanzado por niños con distintos niveles de habilidad) y
endogeneidad del nivel educativo (elecciones de fecha de entrada y salida del sistema
educativo).
Helmers y Patnam (2011: 252-266) investigan los factores que determinan los puntajes en
pruebas de habilidades cognitivas y no cognitivas de niños en Andhra Pradesh, India, utilizando
7
una base de datos que contiene información sobre dos cohortes de niños de hasta 12 años de
edad. Aprovechando la disponibilidad de datos de panel estiman un modelo de Relaciones
Estructurales Lineales (LISREL) que permite estimar habilidades latentes (cognitivas y no
cognitivas) e inversión familiar, y permite relacionar estas variables a otras características
observables asociadas al niño, sus padres y el hogar al que pertenece. Trabajan sobre la base de
lo desarrollado por Cunha y Heckman (2007: 31-47) con el fin de examinar la dinámica que
gobierna la formación de habilidades cognitivas y no cognitivas y la relación entre ambas a lo
largo del tiempo. En particular, centran su atención en explorar los determinantes en el proceso
de formación de ambos tipos de habilidad. Los autores encuentran evidencia a favor de la
importancia de la inversión familiar (cuidado por parte de los padres durante el embarazo y los
primeros meses del niño) y la salud de los niños durante el primer año de edad.
De esta manera, la principal contribución del presente estudio es analizar el rol de las
habilidades latentes cognitivas y no cognitivas y del retorno de las mismas en términos de
salarios en la brecha salarial de género en un país en vías de desarrollo. En este sentido, uno de
nuestros principales objetivos es estimar las habilidades latentes que son no observables para el
econometrista pero que son persistentes en el tiempo.
8
Capítulo III. Modelo
El modelo planteado está construido sobre la base de lo propuesto por Heckman et al. (2006),
Cunha et al. (2010) y Cunha y Heckman (2007). El modelo plantea que existen dos factores
subyacentes: la habilidad latente cognitiva y la no cognitiva. Así, controlando por factores
observables, estos factores son capaces de explicar la dependencia entre decisiones y resultados.
Ambos factores son conocidos por cada individuo pero no por el econometrista. Asimismo, el
nivel de habilidades latentes se encuentra fijo para el momento en que el individuo toma
decisiones en el mercado laboral.
La estrategia de identificación es similar a la planteada en Heckman et al. (2006). La habilidad
cognitiva latente (𝑓𝐶) afecta solo a la medida de habilidad cognitiva (C) y la habilidad no
cognitiva latente (𝑓𝑁) afecta solo a la medida de habilidad no cognitiva (N).
𝐶 = 𝛽𝐶𝑋𝐶 + 𝛼𝑐𝑓𝐶 + 𝑒𝐶
𝑁 = 𝛽𝑁𝑋𝑁 + 𝛼𝑁𝑓𝑁 + 𝑒𝑁
El modelo se sustenta en el hecho de que, condicional a la información contenida en el vector de
variables X, la dependencia temporal entre las medidas de habilidad es atribuible a las
habilidades latentes. Controlar por esta dependencia implica controlar por la endogeneidad del
modelo. Heckman et al. (2006) estiman la distribución de habilidades latentes aprovechando la
disponibilidad de dos o más medidas de habilidad. En contraste, la estrategia de especificación
que utilizaremos aprovecha la disponibilidad de datos de panel para las medidas de habilidad
disponibles, específicamente, el tener información sobre la misma medida de habilidad en dos
momentos del tiempo. También asumimos un modelo lineal en los parámetros. No obstante, ello
puede ser interpretado como una aproximación de un modelo de comportamiento más flexible
tal como se sustenta en Heckman et al. (2006).
Al analizar el rol de las habilidades en la brecha salarial de género se debe tomar en cuenta que
parte de lo que podría interpretarse como discriminación en realidad puede deberse a la
dinámica comprendida en la elección de ocupaciones; hombres y mujeres podrían auto-
seleccionarse hacia ocupaciones que premian distintos tipos de habilidad. Asimismo, si bien
controlar por los años de educación de un individuo en una ecuación de salarios genera
endogeneidad, se debe considerar el rol de las habilidades en la elección de un nivel educativo.
9
Por tanto, de manera similar a lo aplicado en Heckman et al. (2006), trabajaremos sobre la base
de un modelo que considere las decisiones de educación, empleo y ocupación.
El modelo tiene cuatro etapas. El individuo elige un nivel educativo considerando el acervo de
habilidades latentes; luego, dado el nivel educativo y sus habilidades latentes, el mismo elige
participar o no del mercado laboral. Así, luego de tomar la decisión de participar, el individuo
debe elegir el tipo de ocupación en el que desea trabajar, considerando su nivel de habilidades, y
finalmente, dadas todas las elecciones tomadas hasta el momento y el acervo de habilidades, el
individuo es asignado un determinado salario. A continuación se presenta el modelo de manera
formal.
1. Modelo de educación
Cada individuo elige el nivel de educación que maximiza su beneficio tomando en cuenta el
nivel de habilidades cognitivas y no cognitivas latentes que tiene. Así, considerando una
especificación lineal en los parámetros, y sea IS el beneficio neto asociado con haber logrado el
nivel educativo S:
𝐼𝑆 = 𝛽𝑆𝑋𝑠 + 𝛼𝑆𝐶𝑓𝐶 + 𝛼𝑆
𝑁𝑓𝑁 + 𝑒𝑆
donde S es el nivel educativo elegido por el individuo entre dos opciones: secundaria completa
como máximo nivel educativo o al menos un año de educación superior; 𝑋𝑠 es un vector de
variables observables que afectan la decisión de educación; βS es el vector de parámetros
asociados; 𝛼𝑆𝐶 y 𝛼𝑆
𝑁 son las ponderaciones de las habilidades cognitiva y no cognitiva latentes,
respectivamente, y eS representa un error idiosincrático que se asume como independiente de
𝑓𝑁, 𝑓𝐶 y 𝑋𝑠. Los términos de error correspondientes a ambos niveles educativos son
independientes.
2. Modelo de empleo
Luego de elegir el nivel educativo y considerando el resultado de dicha elección, el individuo
debe tomar la decisión acerca de participar o no en el marcado laboral. Así, el individuo
decidirá participar si el beneficio neto asociado es mayor que si no participara, considerando
también su nivel de habilidades latentes. Sea 𝑰𝑬 el beneficio asociado a trabajar y asumiendo
una especificación lineal en los parámetros:
10
𝐼𝐸 = 𝛽𝐸𝑋𝐸 + 𝛼𝐸𝐶𝑓𝐶 + 𝛼𝐸
𝑁𝑓𝑁 + 𝑒𝐸
donde E es la decisión tomada por el individuo: trabajar o no trabajar; XE es un vector de
variables observables que afectan la decisión de empleo; βE es el vector de parámetros
asociados, , 𝜶𝑬𝑵 y 𝜶𝑬
𝑪 son las ponderaciones de las habilidades cognitiva y no cognitiva latentes,
respectivamente, y eE representa un error idiosincrático que se asume como independiente de
𝒇𝑵, 𝒇𝑪 y 𝑿𝑬. Los términos de error correspondientes a ambas opciones laborales (empleo o
desempleo) son independientes.
3. Modelo de ocupación
Una vez tomada la decisión de participar del mercado laboral, el individuo debe elegir en qué
ocupación desempeñarse. Así, considerando las decisiones tomadas hasta el momento y su nivel
de habilidades latentes, decidirá entre una de dos opciones de ocupación: una ocupación que
requiere de capacitación especializada (denominada “white collar”) u otra que no lo requiera y
esté más orientada al trabajo manual (denominada "blue collar"). Así, sea 𝐼0 la utilidad asociada
a elegir una ocupación determinada, el modelo lineal que representa a dicha decisión es:
𝐼0 = 𝛽0𝑋0 + 𝛼0𝐶𝑓𝐶 + 𝛼0
𝑁𝑓𝑁 + 𝑒0
donde 0 representa a la ocupación elegida por el individuo; 𝑋0 es un vector de variables
observables que afectan la decisión de ocupación; 𝛽0 es el vector de parámetros asociados; 𝛼0𝐶 y
𝛼0𝑁 son las ponderaciones de las habilidades cognitiva y no cognitiva latentes, respectivamente,
y 𝑒0 representa un error idiosincrático que se asume como independiente de 𝑓𝑁, 𝑓𝐶 y 𝑋0. Los
términos de error correspondientes a ambas opciones ocupacionales son independientes.
4. Modelo de salarios
Finalmente, el salario que recibe el individuo es producto de las decisiones previas de
educación, empleo y ocupación, así como del nivel de habilidades cognitivas y no cognitivas
latentes del individuo hasta ese momento. Por tanto, la ecuación de salarios sería:
𝑌 = 𝛽𝑌𝑋𝑌 + 𝛼𝑌𝐶𝑓𝐶 + 𝛼𝑌
𝑁𝑓𝑁 + 𝑒𝑌
11
donde 𝑋𝑌 es un vector de características observables, 𝛽𝑌 es el vector de retornos asociados,
𝛼𝑌𝐶 y 𝛼𝑌
𝑁 son las ponderaciones de las habilidades cognitivas y no cognitivas latentes,
respectivamente, y 𝑒𝑌 representa un error idiosincrático que se asume como
independiente de 𝑓𝑁, 𝑓𝐶 y 𝑋𝑌.
12
Capítulo IV. Fuentes de información y muestra
Con el objetivo de estimar el efecto de las habilidades en la brecha salarial de género es
necesario contar con una base de datos que contenga información sobre ambas variables para un
mismo individuo. Así, no es suficiente contar con información sobre medidas de habilidad, sino
que nuestra estrategia de identificación requiere información sobre medidas de habilidad para
distintos periodos de tiempo. Debido a la ausencia de una fuente de información que cumpla
con estas características, haremos uso de dos bases de datos para llevar a cabo nuestro análisis.
La primera base de datos corresponde a la recogida en el “Estudio Niños del Milenio” 1 (ENM)
para Perú (Boyden 2011a, Boyden 2011b, Huttly, 2011) Esta comprende información
longitudinal para dos cohortes de niños (cohorte joven y cohorte adulta) para cada uno de los
cuatro países: Etiopía, India (Andhra Pradesh y Telengana), Perú y Vietnam. En Perú la muestra
representa al 95% de los niños peruanos (excluye al 5% que pertenece a familias con mayores
ingresos). Los niños y sus cuidadores principales fueron encuestados tres veces, en los años
2002, 2006 y 2009. La encuesta recoge información sobre aspectos relacionados con el
desarrollo de los niños, medidas de habilidad cognitiva y aspectos de la personalidad (actitudes
y aspiraciones), medidas antropométricas y un conjunto de otras características a nivel
individual y de hogares. En particular, incluye características como el nivel socio-económico de
las familias (percibido por el niño), índices de riqueza, gasto en consumo y medidas de las
habilidades de los cuidadores principales, entre otros.
Con el fin de analizar la distribución de habilidades entre niños peruanos, centramos nuestra
atención en los 700 niños de la cohorte adulta, los mismos que tenían ocho años en la primera
ronda del estudio (año 2002). Asimismo, mantenemos la submuestra de niños con información
disponible para los ítems relacionados a medidas de habilidad (cognitiva y no cognitiva) e
información individual relevante para las rondas 2 y 3, cuando los niños de la cohorte adulta
tenían 12 y 15 años de edad, respectivamente. Finalmente, con fines de consistencia, trabajamos
solamente con los niños que viven en zonas urbanas. La muestra final consta de 349 niños.
1 Los datos usados en esta publicación provienen del estudio Niños del Milenio, conocido internacionalmente como
Young Lives, una investigación longitudinal de 15 años que analiza la naturaleza cambiante de la pobreza infantil en
Etiopía, India (estado de Andhra Pradesh y Telengana), Perú y Vietnam (www.ninosdelmilenio.org/
www.younglives.org.ik). Niños del Mileno es cofinanciado por UK AID del Departamento de Desarrollo
Internacional (DFID, por sus siglas en inglés) y por el Ministerio de Relaciones Exteriores de los Países Bajos (2010-
2014). Los opiniones aquí expresadas son de los autores y no necesariamente compartidas por el estudio Niños del
Milenio / Young Lives, la Universidad de Oxford, DFID ni otros donantes.
13
La muestra con la que trabajaremos en adelante se encuentra distribuida entre niños y niñas (165
y 184, respectivamente), tienen una edad promedio de 149 meses y un promedio de seis años de
educación durante la ronda 2. La tabla 1 presenta estadísticos descriptivos de las principales
variables de interés para ambas rondas así como información sobre la lengua materna y el nivel
educativo de los padres en la ronda 1 (lo que denominaremos "características permanentes").
Tabla 1. Estadísticas descriptivas: Estudio Niños del Milenio
Notas: * indica un nivel de significancia del 10%; ** indica un nivel de significancia del 5%; y *** indica un nivel de
significancia del 1% de la prueba de diferencia de medias entre hombres y mujeres.
Fuente: Boyden, 2011a, Boyden, 2011b.
Elaboración: Propia, 2013.
Cabe resaltar que en ambas rondas si bien los mujeres tienen un puntaje menor al promedio en
medidas de habilidad, tal es el caso para los hombres en el caso del índice de auto eficacia (los
resultados son mixtos para el caso de autoestima). No parece haber diferencias importantes
entre géneros en cuanto a características del hogar y la familia. Las medidas de habilidad no
cognitivas de los cuidadores principales difieren entre niños y niñas; los primeros evidencian
altos niveles de auto eficacia durante la ronda 2 y bajos niveles de autoestima durante la ronda
3. Asimismo, diferencias importantes surgen entre rondas. Cabe resaltar que las medidas
utilizadas para representar habilidades no cognitivas fueron construidas sobre la base del grado
de acuerdo o desacuerdo de los niños respecto a enunciados relacionados con aspectos de la
personalidad como autoestima y auto eficacia.
Media DE Mujeres Hombres Media DE Mujeres Hombres
Habilidad cognitiva (puntaje TVIP) 76,92 13,84 75,964 77,777 101,083 14,6 99,788 102,245
Índice de autoeficacia 0,101 0,939 0,216 .-0,003** 0,101 0,969 0,295 .-0,073**
Índice de autoestima 0,139 0,897 0,088 0,185 0,147 0,94 0,208 0,093
Medida de autoeficacia del cuidador
principal (estandarizado)
0,144 0,997 .-0,012 0,284*** 0,145 0,925 0,136 0,154
Medida de autoestima del cuidador
principal (estandarizado)
0,046 1,003 0,058 0,036 0,044 1,028 0,13 .-1,033
Talla para la edad (estandarizado) .-1,302 1,049 .-1,337 .-1,271 .-1,306 0,863 .-1,502 .-
Índice de masa corporal
(estandarizado)
0,34 0,966 0,297 0,378 0,272 0,972 0,432 0,128***
Edad en meses 148,867 5,416 148,488 149,206 179,117 4,505 178,783 179,417
Años de educación 6,143 0,895 6,17 6,12 9,006 1,101 9,067 8,951
Ausencia a la escuela por enfermedad
(>1 semana)
0,054 0,227 0,055 0,054 0,069 0,235 0,067 0,071
Índice de riqueza 0,602 0,19 0,596 0,608 0,661 0,15 0,665 0,658
log consumo del hogar per cápita 5,191 0,642 5,179 5,201 5,333 0,635 5,338 5,328
Lengua materna (español) 0,788 0,409 0,794 0,783
Nivel educativo del padre 10,481 3,092 10,176 10,755
Nivel educativo de la madre 9,602 3,499 9,648 9,56
N 165 184 165 184
Ronda 2 Ronda 3
349 349
Muestra completa Muestra completa
14
La segunda base de datos corresponde a una novedosa encuesta de hogares, recogida por el
Banco Mundial, que contiene información de salarios y características individuales, así como
medidas de habilidad cognitiva y no cognitiva para una muestra de individuos en edad de
trabajar (14-50 años). La Encuesta Nacional de Habilidades y Mercado Laboral (ENHAB)
(Banco Mundial 2010) es una encuesta representativa a nivel del Perú urbano. Dicha base de
datos contiene información acerca de las condiciones de vida, información demográfica, logro
académico, empleo/salarios e información nueva sobre medidas de habilidad cognitiva y no
cognitiva, trayectoria educativa, participación temprana en el mercado laboral y características
familiares. Las habilidades cognitivas fueron medidas por medio de pruebas cognitivas que
evalúan capacidades numéricas y de resolución de problemas, memoria de trabajo, fluidez
verbal y de lenguaje receptivo. Las habilidades no cognitivas fueron medidas de acuerdo a
escalas GRIT (Duckworth et al., 2007: 1087-1101) y los cinco grandes factores de la
personalidad (Goldberg, 1990:1216-1229). Para el análisis que realizaremos, concentramos
nuestra atención en siete medidas, los valores estandarizados de cada uno de los cinco grandes
factores de la personalidad (estabilidad emocional, extroversión, amabilidad, cooperación,
actitud concienzuda –fuerte- y apertura), una medida compuesta de los elementos de GRIT, y
una medida compuesta de habilidades cognitivas. Algunas de las características individuales
comprendidas son el pasado educativo del individuo, características familiares y estatus socio-
económico (educación y ocupación de los padres, tamaño de la familia, información acerca del
acceso y características de la escuela a la que asistieron los padres, entre otros).
Con el fin de aprovechar al máximo la información contenida en la base de datos de la ENHAB
(Banco Mundial 2010), a lo largo de nuestro análisis trabajaremos con tres submuestras
similares: i) muestra de individuos con información disponible sobre medidas de habilidad
(puntaje de pruebas), N = 2421; ii) muestra de individuos que reportan información sobre
salarios, N = 4063; iii) muestra de individuos con información disponible acerca de las
principales características individuales, N = 7499. En términos generales, los individuos en la
base de datos se encuentran distribuidos de manera similar entre hombres y mujeres, tienen, en
promedio, 33 años de edad, ganan un salario de S/. 1.000 constantes del 2010
(aproximadamente, US$ 350), trabajan 51 horas a la semana y han concluido estudios de
secundaria. La tabla 2 ilustra algunos estadísticos descriptivos para las tres submuestras
consideradas, así como la diferencia entre hombres y mujeres en cada una. Entre ellos, se
encuentra el hecho que el hombre representativo de la muestra tiene salarios mayores
(mensuales y por hora), trabaja más horas y tiene niveles más altos de habilidades cognitivas
que la mujer representativa de la muestra. Sin embargo, los resultados son mixtos para el caso
15
de las habilidades no cognitivas. Mientras las mujeres muestran actitudes más consistentes,
amables, cooperativas y concienzudas, los hombres muestran actitudes más persistentes,
extrovertidas, emocionalmente estables y abiertas.
Tabla 2. Estadísticas descriptivas: ENHAB
Notas: * indica un nivel de significancia del 10%; ** indica un nivel de significancia del 5%; y *** indica un nivel de
significancia del 1% de la prueba de diferencia de medias entre hombres y mujeres.
Fuente: Banco Mundial, 2010.
Elaboración: Propia, 2013.
N Media DS Mujeres Hombres
Cognitive abitlity (PPV traw score) 2421 42,001 14,932 40,103 45,039***
Consistencia/interest 2421 .-0,004 0,998 0,036 .-0,069***
Persistencia/effort 2421 0,001 1,001 .-0,046 0,076***
Grift (estandarizado) 2421 .-0,002 0,997 .-0,009 0,008
Extroversión 2421 0,002 1 .-0,047 0,082***
Amabilidad 2421 0,002 1,006 0,039 .-0,058***
Cooperación 2421 0,006 0,992 0,051 .-0,065***
Actitud concienzuda (fuerte) 2420 0,000 1,001 0,056 .-0,092***
Estabilidad emocional 2415 0,013 0,997 .-0,072 0,149***
Apertura 2415 .-0,004 0,999 .-0,059 0,085***
Log salario por hora 4063 1,316 0,815 1,166 1,408***
Salario mensual 4063 972,155 1.284,643 738,7 1.116,299***
Salario por hora 4063 5,264 6,55 4,638 5,651***
Horas semanales de trabajo 4063 51,127 18,482 46,339 54,084***
Experiencia 4063 25,43 13,582 25,314 25,502
Edad 7499 33,514 15,282 33,305 33,736
Años de educación 7457 10,701 3,373 10,524 10,890***
Lengua materna (español) 7499 1,008 0,142 1,007 1,009
Nivel educativo del padre 7499 4,955 2,373 4,947 4,963
Nivel educativo de la madre 7499 4,284 2,333 4,253 4,324
16
Capítulo V. Implementación econométrica
El principal objetivo de este documento es identificar la contribución de las habilidades a la
brecha salarial de género. Por tanto, a fin de identificar el rol de las habilidades en los salarios,
la ecuación que se desearía estimar es:
𝐿𝑛𝑊𝑖 = 𝛼 + 𝛾𝑆𝑖 + 𝛽𝐴𝐴𝑖 + 𝜇𝑖𝑡
𝐿𝑛𝑊𝑖 = 𝛼 + 𝛾𝑆𝑖 + 𝛽𝐴𝐴𝑖 + 𝜇𝑖𝑡
donde 𝐿𝑛𝑊𝑖 es el logaritmo de los salarios; 𝑆𝑖 representa los años de educación y 𝐴𝑖 la
habilidad innata del individuo. Sin embargo, la poca disponibilidad de datos acerca de las
habilidades innatas lleva a omitir 𝐴𝑖, generando endogeneidad en la ecuación de salarios. Si se
asume que las habilidades generan incrementos en el salario y que las habilidades están
positivamente relacionadas con los años de educación, γ estaría sobreestimando el verdadero
valor del parámetro. La literatura empírica ha abordado este tema mediante la inclusión de
medidas de habilidad (puntaje de pruebas que miden habilidades) y, por tanto, estimando la
siguiente ecuación:
𝐿𝑛𝑊𝑖 = 𝛼 + 𝛾𝑆𝑖 + 𝛽𝑇𝑇𝑖 + 𝑣𝑖𝑡
donde 𝑇𝑖 representa el puntaje de pruebas estandarizadas que miden habilidades cognitivas y/o
no cognitivas. Esta especificación es problemática ya que es probable que los puntajes de
pruebas de habilidades no solo estén determinados por las habilidades innatas (cuyo efecto
desearíamos aislar) sino también por el nivel educativo del individuo, lo cual genera un
problema puesto que ambos factores estarían asociados con incrementos en los salarios. Por
tanto, 𝛽𝑇 estaría capturando parcialmente el efecto indirecto de los años de educación en los
salarios, a través de su efecto en las medidas de habilidad, e impidiendo obtener el verdadero
efecto de los años de educación en los salarios.
En este sentido, proponemos aplicar un procedimiento econométrico que permita estimar esta
habilidad (latente) -𝐴𝑖- e identificar cada uno de los efectos deseados en los salarios. Para ello,
explotaremos la información longitudinal de medidas de habilidad contenida en el ENM para
estimar proxies de las habilidades cognitivas y no cognitivas latentes. Luego, proponemos un
método de imputación para predecir los efectos fijos estimados con la muestra del ENM en la
muestra de la ENHAB. Al complementar estas habilidades latentes predichas con la
17
información de salarios recogida para la ENHAB, será posible analizar el rol de las habilidades
cognitivas y no cognitivas latentes en los salarios. Específicamente, la implementación
econométrica que aplicaremos se divide básicamente en dos etapas: i) la estimación de las
habilidades latentes para la muestra del ENM, y ii) la estimación del efecto de las habilidades
latentes (predichas) en los salarios para la muestra ENHAB.
1. Estimación de habilidades latentes
En la primera etapa trabajaremos con la base de datos del ENM. En primer lugar, hacemos uso
de la variación (de la ronda 2 a la ronda 3) en las medidas de habilidad y los años de educación
entre los niños en la muestra del ENM para recuperar los efectos fijos (no observables). En
particular, intentaremos explicar la variación de las tres medidas de habilidad, dos habilidades
no cognitivas (autoestima y autoeficacia) y una habilidad cognitiva (Test de Vocabulario e
Imágenes Peabody, TVIP). El procedimiento de identificación requiere que se controle por
características que puedan haber variado entre los 12 y 15 años y puedan explicar gran parte de
la variación en las medidas de habilidad de los niños en ese mismo período. De esta manera,
será posible explicar los cambios en las medidas de habilidad y aislar los efectos fijos no
observables.
∆𝑀𝐴𝑖𝑡 = 𝛾𝑋∆𝑋𝑖𝑡 + ∆𝜇𝑖𝑡
Luego, estimamos la correlación entre las características que se mantienen constantes a lo largo
de la vida del niño y los efectos fijos previamente hallados. Para ello, capturamos el efecto fijo o
componente no observable de cada tipo de habilidad haciendo uso de los estimados obtenidos
en la primera etapa para predecirlos, del valor promedio de los regresores en las rondas 2 y 3, y,
luego, el valor predicho de la medida de habilidad respecto al valor observado correspondiente.
𝑀�̂�𝑖𝑡 = 𝛾0 + 𝛾𝑋𝑋𝑖𝑡
�̂�𝐴𝑖 =1
2 [(𝑀𝐴𝑖1 − 𝑀�̂�𝑖1) + (𝑀𝐴𝑖2 − 𝑀�̂�𝑖2)]
𝐿�̂�𝑖 = 𝛾0𝐿𝐴 + 𝛾1
𝐿𝐴𝑍𝑖 + 𝜇𝑖𝐿𝐴
18
Los valores hallados representan proxies de las habilidades latentes y, al ser efectos fijos,
pueden ser modelados como función de variables que podrían determinar las habilidades
latentes, permanecen constantes a lo largo de la vida del niño y sean comunes a ambas bases de
datos. De esta manera, podremos predecir el valor de estas habilidades latentes en la muestra
ENHAB. Algunos controles que podrían ser adecuados para modelar dichos efectos fijos son el
género del niño y el nivel educativo de los padres.
La segunda etapa propone partir de estos efectos estimados y aprovechar la información sobre
las “características permanentes” para la muestra ENHAB con el fin de obtener valores
predichos de las habilidades latentes para dicha muestra. Así, el valor predicho de las
habilidades latentes para la muestra ENHAB (𝐿𝐴𝑖̂̂ ) es el resultado de las “características
permanentes” observadas (𝑍𝑖) y los efectos previamente estimados (𝛾1𝐿�̂�).
𝐿𝐴𝑖̂̂ = �̂�0
𝐿𝐴 + �̂�1𝐿𝐴𝑍𝑖
Un supuesto importante en este procedimiento de “emparejamiento” es que las muestras del
ENM y de la ENHAB son representativas a nivel nacional (es decir, evidencian características
similares)2. Así, con los valores predichos, es posible estimar una ecuación de salarios y, más
aún, analizar las fuerzas detrás de la existencia de una brecha salarial de género. Para ello,
modelamos los salarios como función de las habilidades cognitivas y no cognitivas latentes.
Con la muestra de ENHAB que contiene información de salarios, medidas de habilidad y
habilidades latentes aplicaremos dos aproximaciones para analizar el rol de las habilidades en
los salarios. La primera, consiste en aplicar el método de descomposición de Blinder-Oaxaca, el
cual permite evaluar el rol de brechas en regresores sobre brechas en una variable de resultado.
La segunda, en desarrollar el modelo completo de decisión del individuo incorporando
interacciones entre las habilidades y una variable dicotómica de género para analizar el rol de
brechas de habilidad en brechas de salario. Así, será posible enriquecer el análisis efectuando
una comparación entre los resultados obtenidos mediante ambas aproximaciones y usando tanto
las medidas de habilidad, como las habilidades latentes, para evaluar el rol de las habilidades en
la brecha salarial de género.
2 Debemos tomar en cuenta que el ENM no contiene información de aquellos niños que pertenecen a los
hogares que perciben los ingresos más altos.
19
2. Brecha salarial de género y el método de descomposición de Blinder-Oaxaca
El método de descomposición de Blinder-Oaxaca es una metodología que permite descomponer
diferencias en el salario promedio de dos grupos, en este caso, hombres y mujeres. Se parte de
un modelo lineal que distingue entre la contribución de características observables y no
observables:
𝑌𝑔 = 𝑋𝛽𝑔 + 𝜂𝑔 𝑝𝑎𝑟𝑎 𝑔 = ℎ𝑜𝑚𝑏𝑟𝑒, 𝑚𝑢𝑗𝑒𝑟
Luego, sea 𝑑 una variable dicotómica que indica pertenencia a un grupo determinado, 𝑦𝑑 el
resultado de interés para un miembro del grupo 𝑑, 𝑋𝑑 el vector de características observables
(incluyendo una constante), �̂�𝑑 el vector columna de coeficientes de una regresión lineal de 𝑦𝑑
sobre 𝑋 𝑑 , y las barras representan promedios. Se pueden re-expresar las diferencias salariales
como diferencias en características observables o diferencias en los coeficientes de dichas
características:
(�̅�1 − �̅�0) = (�̅�1 − �̅�0)�̂�1 + �̅�0(�̂�1 − �̂�0)
donde el primer y segundo términos del lado derecho de la ecuación representan los
componentes explicados y no explicados de la brecha en el resultado promedio,
respectivamente. A esto se le denomina “descomposición doble” ya que descompone brechas
entre diferencias en nivel o diferencias en retornos. Una extensión de esta metodología es la
denominada “descomposición triple” la cual incluye un tercer componente que interactúa
(considera de manera simultánea) diferencias en niveles y retornos de los regresores
considerados en el cual el último término del lado derecho de la ecuación representa el término
de interacción:
�̅�1 − �̅�0 = (�̅�1 − �̅�0)�̂�1 + �̅�0(�̂�1 − �̂�0) + (�̅�1 − �̅�0)(�̂�1 − �̂�0)
20
Capítulo VI. Resultados
En esta sección comparamos los resultados de la estimación del efecto de las habilidades
cognitivas y no cognitivas sobre los salarios obtenidos mediante el uso de puntajes de pruebas
que miden dichas habilidades y aquellos obtenidos luego de considerar las habilidades latentes
estimadas. En cada caso, empezamos presentando los resultados obtenidos tras estimar una
ecuación de Mincer del logaritmo de los salarios controlando por el nivel educativo y las
habilidades. Posteriormente, aplicamos el método de descomposición de Blinder-Oaxaca con el
fin de estimar el impacto de las habilidades en la brecha salarial de género. Finalmente, en el
afán de separar el efecto de las habilidades en la brecha salarial de género a través de cada una
de las decisiones del individuo previas a la determinación del salario, estimamos un modelo
conjunto de educación, empleo, elección de ocupación y salarios. Para ello, nos valemos del
procedimiento explicado previamente para obtener estimados de las habilidades latentes
cognitivas y no cognitivas, y presentamos los resultados correspondientes a cada una de las
cuatro etapas que lo conforman.
1. Salarios y medidas de habilidad
A propósito de la discusión previa acerca de los problemas asociados a la estimación del efecto
de las habilidades en los salarios, la tabla 3 muestra los resultados de una ecuación de Mincer
bajo el supuesto (ingenuo) de que no existe correlación entre las medidas de habilidad y los
años de educación. La columna 1 evidencia que luego de controlar por experiencia laboral, lugar
de residencia y lengua materna, un año de educación adicional lleva a un incremento de 10,9%
en los salarios. La columna 2 incorpora controles como el nivel educativo de los padres ya que
ello podría explicar parte de la correlación entre salarios y educación. Con esto, el coeficiente
estimado cae de 10,9% a 9,00%. El incorporar medidas de habilidad cognitiva y no cognitiva
pone en evidencia que las medidas de habilidad cognitiva y estabilidad emocional llevan a
salarios más altos, mientras que la amabilidad y la consistencia en términos de esfuerzo parecen
tener el efecto contrario. Asimismo, incluir dichas medidas de habilidad genera una reducción
en el retorno a cada año de educación, lo cual sugiere que el coeficiente de la columna 2 estaría
sobre-estimando el efecto de la educación en los salarios.
21
Tabla 3. Ecuación de Mincer con medidas de habilidad
Nota: Errores estándar entre paréntesis se encuentran agrupados a nivel regional.* indica un nivel de significancia del
10%; ** indica un nivel de significancia del 5%; y *** un indica un nivel de significancia del 1%. La muestra
corresponde a personas empleadas en el momento de la encuesta y con información disponible acerca de pruebas de
habilidades y controles individuales.
Fuente: Banco Mundial, 2010.
Elaboración: Propia, 2013.
1.1 Método de descomposición de Blinder-Oaxaca
Con el fin de estimar el efecto de las medidas de habilidad, optamos por aplicar el método de
descomposición de Blinder-Oaxaca. En la muestra utilizada, el logaritmo del salario promedio
es 1,417 para hombres y 1,141 para mujeres, llevando a una brecha salarial estadísticamente
significativa de 0,276. Sin embargo, nuestra atención se centra en la importancia relativa de los
elementos que explican dicha brecha. Haciendo uso de los métodos de descomposición doble y
triple (descritos previamente), encontramos que los datos favorecen el hecho de que la brecha
salarial es atribuible a diferencias entre grupos de los retornos y niveles de las habilidades. No
obstante, si bien habría un incremento significativo en el salario por hora de las mujeres si las
mismas compartieran las características (valor promedio de los regresores) de los hombres, más
del 80% de la brecha salarial de género se reduciría si las mujeres compartieran el valor de los
coeficientes de los hombres, dadas sus propias características.
La brecha salarial de género, así como el efecto de la dotación y las diferencias en los
coeficientes, son significativos aún luego de controlar por características individuales comunes
[1] [2] [3]
Años de educación 0,1091*** 0,0934*** 0,0804***
Experiencia 0,0255 0,0318* 0,0329*
Experiencia2 .-0,0003 .-0,0004 .-0,0004
Reside en Lima 0,0397 0,0297 0,0091
Lengua materna (español) 0,2675 0,4296 0,5023**
Nivel educativo del padre 0,0148 0,0097
Nivel educativo de la madre 0,0386** 0,0366**
Goldberg, extroversión 0,0257
Goldberg, amabilidad .-0,0371
Goldberg, cooperación .-0,0616*
Goldberg, actitud concienzuda (fuerte) .-0,0005
Goldberg, estabilidad emocional 0,0810***
Goldberg, apertura .-0,0069
Grit 2, consistencia de intereses .-0,0453*
Grit 2, persistencia del esfuerzo 0,0031
Pruebas de habilidad cognitiva 0,0751***
Constante .-0,6028** .-0,9125** .-0,8131***
Número de observaciones 1.079 1.079 1.073
R-cuadrado 0,157 0,17 0,187
22
en este tipo de análisis. Las primeras dos columnas de la tabla 4 ilustran los resultados obtenidos
mediante la descomposición doble y el uso de una especificación sencilla, y luego de agregar
diversos controles, respectivamente. Las columnas 3 y 4 presentan los resultados obtenidos
mediante la descomposición triple.
Un segundo ámbito de análisis corresponde a la contribución individual de los predictores al
componente explicado de la brecha salarial de género. A partir de este momento, trabajaremos
con la medida compuesta de grit como la prueba representativa que mide habilidades no
cognitivas3. La tabla 4 presenta la proporción de la brecha salarial atribuidos a diferencias en
medidas de habilidad cognitiva y no cognitiva, en términos de regresores (niveles) y sus
respectivos coeficientes (retornos). Las cuatro aproximaciones presentadas (columnas 1 a 4)
evidencian que el la diferencia en los niveles se debe, básicamente, a niveles heterogéneos de
habilidades cognitivas (medidas) entre hombres y mujeres. En el caso de las habilidades no
cognitivas, no se hallaron efectos significativos. Las brechas en términos de coeficientes
(retornos) están relacionadas con los correspondientes a los controles individuales y
heterogeneidad no observada entre géneros.
La descomposición de Blinder-Oaxaca puede ser interpretada como un modelo simple del ciclo
de vida desde una perspectiva que considera factores latentes. Las habilidades cognitivas y no
cognitivas determinan el nivel educativo. No obstante, las habilidades latentes no son
observables, lo que se observa son medidas de estas habilidades. Por tanto, los retornos
estimados mediante dicho método de descomposición son función de los retornos a la educación
y los parámetros que gobiernan la elección del nivel educativo alcanzado por el individuo.
Asimismo, es plausible suponer que los parámetros que influyen en la decisión de ocupación
también estén afectando el retorno promedio (general) estimado.
3 Se optó por trabajar con GRIT puesto que la literatura resalta la relevancia del rol de las habilidades no
cognitivas en el salario. Asimismo, Díaz et al. (2012), autores que utilizaron también la ENHAB, hallan
evidencia del rol fundamental que juega en ecuaciones de salario. No obstante, todas las estimaciones llevadas a
cabo a lo largo del estudio se han realizado, también, con las demás medidas de habilidad y se han obtenido
resultados similares.
23
Tabla 4. Descomposición de Blinder-Oaxaca con medidas de habilidad
Nota: Errores estándar entre paréntesis se encuentran agrupados a nivel regional. * indica un nivel de significancia
del 10%; ** indica un nivel de significancia del 5%; y *** un indica un nivel de significancia del 1%. La muestra
corresponde a personas empleadas en el momento de la encuesta y con información disponible acerca de pruebas de
habilidades y controles individuales. Los controles considerando son edad, edad al cuadrado y si el individuo reside
en Lima.
Fuente: Banco Mundial, 2010.
Elaboración: Propia, 2013.
1.2 Estimación conjunta: educación, empleo, ocupación y salarios
Los resultados obtenidos previamente brindan información acerca del rol de las medidas de
habilidad cognitiva y no cognitiva sobre los salarios, pero no consideran las decisiones
intermedias tomadas por los individuos antes de recibir un nivel de salario determinado. Con el
fin de separar los efectos de las medidas de habilidad sobre cada una de estas decisiones,
procedemos a estimar un modelo conjunto que considera elecciones de educación, empleo y
ocupación. El mismo es consistente con la serie de decisiones que debe tomar un individuo a lo
largo de su vida profesional: consciente de su nivel de habilidades, un individuo elige cuál es el
máximo nivel educativo que alcanza, luego, dado el nivel educativo que posee y sus habilidades
latentes, decide participar o no del mercado laboral. Una vez que decide ser empleado, debe
elegir su ocupación y, finalmente, recibir un salario acorde a sus decisiones previas y su nivel de
habilidades. Para llevar a cabo un análisis de este tipo, consideramos dos niveles educativos
[1] [2] [3] [4]
Brecha Salarial 0,276*** 0,276*** 0,276*** 0,276*** (0,065) (0,051) (0,065) (0,067)
Niveles 0,059*** 0,045*** 0,067*** 0,058** (0,019) (0,019) (0,024) (0,028)
Retornos 0,217*** 0,231*** 0,225 0,242*** (0,063) (0,048) (0,067) (0,062)
Niveles Cognitiva 0,059*** 0,058*** 0,067*** 0,067***
(0,019) (0,015) (0,023) (0,023)
No Cognitiva 0,000 0,000 0,000 0,000 (0,002) (0,001) (0,002) (0,001)
Retornos
Cognitiva −0,171
(0,167)
−0,192
(0,130)
−0,163
(0,160)
−0,184
(0,144) Non cognitiva 0,007 −0,017 0,007 −0,017
(0,143) (0,165) (0,144) (0,154)
Número
observaciones
1.081 1.081 1.081 1.081
Controles No Sí No Sí
Interacciones No No Sí Sí
24
(secundaria completa es el punto de corte), la condición de ser empleado o no serlo, y dos clases
de ocupación (aquellas que requieren capacitación especializada y aquellas que no).
Los resultados de la estimación por máxima verosimilitud del modelo conjunto se presentan en
la tabla 5. El procedimiento de estimación requiere maximizar la verosimilitud conjunta de
adquirir un determinado nivel educativo, estar empleado, haber elegido una ocupación que
requiera capacitación especializada y ganar un cierto nivel de salarios. Por tanto, la contribución
individual a la verosimilitud sería:
𝑙𝑖 = 𝐿𝑠𝑖(𝜃𝑆|𝐿𝐴𝑖)𝐿ℎ𝑖(𝜃ℎ|𝐿𝐴𝑖 , 𝑠𝑖)𝐿𝑜𝑖(𝜃𝑂|𝐿𝐴𝑖, 𝑠𝑖, ℎ𝑖 = 1)𝐿𝑤𝑖(𝜃𝑊|𝐿𝐴𝑖, 𝑠𝑖, ℎ𝑖 = 1, 𝑜𝑖)
Cada columna de la tabla 5 corresponde a cada una de las decisiones involucradas en el modelo.
Los resultados indican que mientras las medidas de habilidad cognitiva parecen importar más en
la determinación de los años de educación y la elección de ocupación, las medidas de habilidad
no cognitiva son más importantes para la determinación de los salarios y la empleabilidad. En
términos de diferencias de género, los hombres parecen tener un mayor retorno que las mujeres
en general, pero en particular para el caso de habilidades no cognitivas en términos de
empleabilidad y mayores salarios. Las mujeres obtienen mayores retornos a las habilidades
cognitivas solo para la elección del nivel educativo. No obstante, debemos considerar que los
impactos estimados consideran medidas de habilidad (no habilidades latentes) lo cual podría
estar capturando el efecto de otros factores correlacionados con las variables dependientes y las
medidas de habilidad.
Educación
Empleo
Ocupación
Salarios
25
Tabla 5. Estimación conjunta con medidas de habilidad
Nota: * indica un nivel de significancia del 10%; ** indica un nivel de significancia del 5%; y *** indica un nivel de
significancia del 1% de la prueba de diferencia de medias entre hombres y mujeres.
Fuente: Banco Mundial, 2010.
Elaboración: Propia, 2013.
2. Salarios y habilidades latentes
Con el objetivo de estimar el efecto neto de las habilidades sobre la brecha salarial de género,
debemos considerar las habilidades latentes. A continuación presentamos los resultados del
procedimiento propuesto para estimar dichas habilidades latentes (cognitivas y no cognitivas) y,
luego, reestimamos los modelos introducidos previamente, considerando las habilidades latentes
estimadas.
2.1 Aproximando habilidades latentes
La tabla 6 presenta los resultados de la primera etapa. Las columnas 1 a 3 corresponden a las
estimaciones de la habilidad cognitiva (puntaje de la prueba TVIP), autoestima y autoeficacia,
respectivamente. Cada regresión controla por la medida de habilidad correspondiente del
cuidador principal del niño4, la medida estandarizada de la talla para la edad del niño, el índice
de masa corporal del niño, su edad, la percepción del estatus socio-económico del hogar, un
índice de riqueza del hogar, una variable que indica si el niño se ausentó a la escuela por
problemas de salud durante más de una semana (variación en la educación) y el logaritmo del
consumo real per cápita. Los errores estándar se encuentran agrupados por comunidad.
Cambios en la medida de autoestima del cuidador principal, la talla para la edad, el índice de
masa corporal, haber faltado a la escuela por problemas de salud y el estatus socio-económico
percibido evidenciaron una relación estadísticamente significativa con la medida de autoestima
4 La base de datos no contenía medida de habilidad cognitiva para el cuidador principal de los niños.
Educación Empleo OcupaciónSalarios por
hora
Cognitiva (mujeres) 0,046*** .-0,004* 0,043*** -0,03
-0,003 -0,002 -0,004 -0,018
Interacción c/cognitiva .-0,006*** 0,004 -0,007 0,040*
-0,003 -0,003 -0,005 -0,022
No cognitiva (mujeres) 0,190*** 0,122** 0,129 0,996**
-0,067 -0,057 -0,109 -0,467
Interacción c/no cognitiva 0,134 0,195** 0,105 1,335**
-0,093 -0,076 -0,134 -0,605
Número de observaciones 2.421
Modelos
26
del niño, siendo el último factor el más importante. Los resultados son similares para el caso de
la medida de auto eficacia, pero cambios en el estatus socio-económico percibido no son
estadísticamente significativos. En cuanto a la medida de habilidad cognitiva, la variación en
todos los controles incluidos fue estadísticamente significativa con excepción del índice de
riqueza del hogar. La talla para la edad, el índice de masa corporal y el haber faltado a la escuela
por problemas de salud evidenciaron un efecto negativo sobre el puntaje de la prueba.
Tabla 6. Estimación de la primera etapa (modelo de efectos fijos - medidas de habilidad)
Nota: Se considera la muestra de niños que viven en zonas urbanas y tienen información sobre todas las variables
incluidas en la regresión. * indica un nivel de significancia del 10%; ** indica un nivel de significancia del 5%; y ***
un indica un nivel de significancia del 1% de la prueba de diferencia de medias entre hombres y mujeres. Errores
estándares agrupados a nivel de comunidad.
Fuente: Elaboración propia, 2013.
La tabla 7 presenta los resultados de la segunda etapa del procedimiento propuesto. Los
controles considerados son el género y el nivel educativo de los padres. La literatura en torno a
la formación de habilidades sugiere que la habilidad “latente” corresponde a la habilidad innata
y, por tanto, debería ser afectaba por variables determinadas para el niño hasta los tres años de
vida. En el presente estudio lo que estimamos como habilidades latentes en realidad es la
habilidad formada hasta los 12 años del niño, por lo que es de suponer que las variables fijas
hasta dicho momento serían importantes para determinar el nivel de habilidades latentes del
niño.
Autoestima Auto eficaciaHabilidad
cognitiva
Habilidad del cuidador principal 0,039*** 0,099*** -
.(0,013) .(0,023) -
Índice de riqueza 0,027 0,248 .-2.793
.(0,180) .(0,261) .(1,854)
Talla para la edad (estandarizado) .-0,136*** .0,187*** .-1,698***
.(0,047) .(0,038) .(0,587)
Índice de masa corporal (estandarizado) 0,068* 0,097 .-1,377***
.(0,023) .(0,075) .(0,302)
Edad (en meses) .-0,002 0,001 0,793***
.(0,001) .(0,001) .(0,013)
Estatus socio-económico (percibido) 0,343*** 0,007 1,144***
.(0,035) .(0,039) .(0,376)
Ausencia a la escuela por problemas de salud .-0,040*** .-0,271*** .-1,416***
.(0,048) .(0,049) .(0,462)
Log consumo del hogar 0,087 .-0,043 .-0,363
.(0,060) .(0,062) .(0,553)
Número de observaciones 349 349 349
R-cuadrado 0,035 0,025 0,82
27
Controles como el nivel educativo de los padres, el género del niño y la lengua materna son
algunas de estas características importantes, pero no aquellas como características asociadas a la
educación secundaria recibida (por problemas de endogeneidad), este hecho es el que motiva la
forma reducida que desarrollamos. En el caso de las tres proxies de habilidad latente, todos los
controles incluidos5 se mostraron estadísticamente significativos. Mientras las mujeres
evidencian un mayor nivel de auto eficacia, lo opuesto ocurre para las habilidades cognitivas.
Asimismo, el nivel educativo de los padres tiene un impacto positivo en todas las habilidades
latentes predichas.
Tabla 7. Estimación de la segunda etapa (habilidades latentes sobre características
permanentes, ENM)
Nota: * indica un nivel de significancia del 10%; ** indica un nivel de significancia del 5%; y *** un indica un nivel
de significancia del 1% de la prueba de diferencia de medias entre hombres y mujeres. Errores estándares agrupados a
nivel de comunidad.
Fuente: Elaboración propia, 2013.
La tabla 8 muestra estadísticas descriptivas de las predicciones realizadas en ambas bases de
datos (Niños del Milenio y ENHAB) para la muestra completa y la brecha de género. Como se
puede observar, ambas predicciones evidencian patrones similares en términos de la dirección
(signo) de las brechas.
5 La variable de lengua materna no fue considerada para el análisis ya que alrededor del 90% de la muestra tiene
el español como lengua materna lo que implica poca variabilidad en dicha característica.
Autoestima Autoeficacia Habilidad cognitiva
Hombre 0,012 .-0,361*** 1,026***
.(,0016) .(0,013) .(0,361)
Nivel educativo del padre 0,035*** 0,018*** 1,442***
.(0,006) .(0,004) .(0,075)
Nivel educativo de la madre 0,016*** .-0,008** 0,461***+
.(,0002) .(0,003) .(0,090)
Constante .-0,581*** 0,43*** .61,802***
.(0,071) .(0,044) .(1,326)
Número de observaciones 349 349 349
R-cuadrado 0,048 0,067 0,169
28
Tabla 8. Estadísticos de la tercera etapa (habilidades latentes predichas en ambas bases de
datos)
Nota: Los efectos fijos predichos para la muestra de ENHAB fueron construidos sobre la base de los estimados de la
muestra urbana de ENM. Errores estándares a justados ante la presencia de correlación intra-grupos se reportan entre
paréntesis. * indica un nivel de significancia del 10%; ** indica un nivel de significancia del 5%; y *** un indica un
nivel de significancia del 1%.
Fuente: Elaboración propia, 2013.
Finalmente, se muestran los resultados de la estimación del modelo de salarios en función de
habilidades latentes. La tabla 9 compara los resultados obtenidos tras estimar una ecuación de
Mincer con medidas de habilidad (columna 3) y con habilidades latentes6 (columna 4). Vale la
pena resaltar dos resultados. En primer lugar, el retorno a la educación considerando la
especificación de la columna 4 es mayor que el correspondiente a la columna 3 y más similar al
de la columna 2. Este hecho es consistente con la hipótesis de que las medidas de habilidad
capturan parte del efecto de la educación sobre el salario (lo cual explicaría la caída en el retorno
entre las columnas 2 y 3). En segundo lugar, cabe resaltar el cambio en la significancia
estadística de las habilidades no cognitivas. Ello pone en evidencia que existe una relación entre
habilidades no cognitivas y salarios, pero también implica que podemos considerar el efecto
indirecto de las habilidades a través del nivel educativo al poder controlar por el nivel educativo
y las habilidades latentes (netas).
6 A partir de este momento utilizaremos únicamente la autoeficacia como la habilidad no cognitiva representativa.
Niños del milenio Mujeres HombresBrecha de
género
Muestra
completa
Habilidad cognitiva latente -42,676 -40,854 1,821 .-41,716 (1,462)
Auto eficacia latente 0,532 0,182 .-0,350*** 0,347 (0,073)
Autoestima latente -0,067 -0,036 0,031 .-0,050 (0,074)
Número de observaciones 165 184 349
ENHAB Mujeres HombresBrecha de
género
Muestra
completa
Habilidad cognitiva latente -47,409 -46,209 1,201*** .-46,829 (0,201)
Auto eficacia latente 0,516 0,156 .-0,361*** 0,342(0,001)
Autoestima latente -0,198 -0,193 0,005 .-0,196 (0,005)
Número de observaciones 3.872 3.627 7.499
29
Tabla 9. Ecuación de Mincer con habilidades latentes
Nota: Errores estándar robustos entre paréntesis se encuentran agrupados a nivel regional. * indica un nivel de
significancia del 10%; ** indica un nivel de significancia del 5%; y *** un indica un nivel de significancia del 1%.
La muestra corresponde a personas empleadas en el momento de la encuesta y con información disponible acerca de
pruebas de habilidades y controles individuales.
Fuente: Elaboración propia, 2013.
2.2 Método de descomposición de Blinder-Oaxaca
La presente sección describe los resultados obtenidos tras aplicar el método de descomposición
de Blinder-Oaxaca a la muestra completa en edad de trabajar7, pero considerando las diferencias
en habilidades latentes (previamente predichas). Como se planteó previamente para el caso en
que utilizamos medidas de habilidad, existe una brecha salarial de género significativa. A
diferencia de los resultados obtenidos en la sección anterior, la brecha hallada por medio de la
nueva especificación no es atribuible solo a diferencias en retornos o niveles de habilidades
cognitivas, sino que las habilidades no cognitivas también parecen importantes para explicar la
brecha salarial de género.
La tabla 10 muestra los resultados de la descomposición de Blinder-Oaxaca para la muestra de
la ENHAB considerando brechas en habilidades cognitivas latentes así como en autoeficacia
7 Cabe resaltar que el tamaño de muestra en este caso es mayor al caso en que se aplicó Oaxaca-Blinder con
medidas de habilidad ya que se considera también a aquellos individuos sin información para medidas de
habilidad. Procedemos de esta manera con el fin de aprovechar al máximo la variabilidad de los datos
disponibles.
[1] [2] [3] [4]
Años de educación 0,1091*** 0,0934*** 0,0804*** 0,0914***
Experiencia 0,0255 0,0316* 0,0329* 0,0333*
Experiencia2 .-0,0003 .-0,0004 .-0,0004 .-0,0004
Reside en Lima 0,0397 0,0297 0,0091 0,0606*
Lengua materna (español) 0,2675 0,4296 0,5023** 0,2975
Nivel educativo del padre 0,0148 0,0097 0,0507
Nivel educativo de la madre 0,0386** 0,0365** 0,0312
Goldberg, extroversión 0,0257
Goldberg, amabilidad .-0,0371
Goldberg, cooperación .-0,0616*
Goldberg, actitud concienzuda (fuerte) .-0,005
Goldberg, estabilidad emocional 0,0810***
Goldberg, apertura .-0,0069
Grit 2, consistencia de intereses .-0,0453*
Grit 2, persistencia del esfuerzo 0,0031
Pruebas de habilidad cognitiva 0,0751***
Habilidad no cognitiva latente (predicha) .-0,7259***
Habilidad cognitiva latente (predicha) .-0,0044
Constante .-0,6028** .-0,9125** .-0,8131*** .-0,8876
Número de observaciones 1.079 1.079 1.073 1.079
R-cuadrado 0,157 0,17 0,187 0,193
30
(latente). Luego de aplicar las descomposiciones “doble” y “triple”, los datos muestran
evidencia a favor del hecho de que la brecha salarial de género es atribuible a diferencias en los
coeficientes y predictores.
En cuanto a diferencias en los retornos, es posible identificar que los hombres gozan de un
mayor retorno a las habilidades cognitivas lo cual genera un incremento en la brecha salarial de
género, pero no existen diferencias estadísticas en los retornos a las habilidades no cognitivas
que afecten la brecha. En cuanto a las diferencias en los niveles de las habilidades, la tabla 10
refleja que diferencias en las habilidades cognitivas y no cognitivas favorecen a los hombres en
términos de salario.
Si bien el mayor acervo de habilidades cognitivas entre los hombres contribuye a incrementar la
brecha salarial de género, la evidencia muestra que si las mujeres tuvieran el mismo nivel de
habilidades no cognitivas que los hombres, ganarían salarios significativamente mayores. A
primera vista, ello parece contradecir lo observado mediante los estadísticos descriptivos
calculados inicialmente en el que las mujeres mostraban mayores niveles de autoeficacia. No
obstante, este fenómeno se explica por el hecho de que el retorno a las habilidades no cognitivas
de las mujeres es negativo (como se hubiera podido observar si hubiéramos estimado la
ecuación de Mincer con habilidades latentes por género). Por tanto, un mayor acervo de una
habilidad que goza de un retorno negativo en el mercado genera, en efecto, un impacto negativo
perjudicando a las mujeres e incrementando la brecha salarial de género.
31
Tabla 10. Descomposición de Blinder-Oaxaca con habilidades latentes
Nota: Errores estándar entre paréntesis se encuentran agrupados a nivel regional.* indica un nivel de significancia del
10%; ** indica un nivel de significancia del 5%; y *** un indica un nivel de significancia del 1%. La muestra
corresponde a personas empleadas en el momento de la encuesta y con información disponible acerca de pruebas de
habilidades y controles individuales. Los controles considerados son edad, edad al cuadrado y si el individuo reside
en Lima.
Fuente: Elaboración propia, 2013.
2.3 Estimación conjunta: educación, empleo, ocupación y salarios
La tabla 11 muestra los resultados de la estimación conjunta considerando las habilidades
latentes cognitivas y no cognitivas. El considerar el rol de ambos tipos de habilidad en los
procesos de elección considerados conlleva a resultados interesantes. En primer lugar, la
habilidad cognitiva (latente) se muestra fundamental para lograr mayores niveles de educación,
en similar magnitud para hombres y mujeres. Las habilidades no cognitivas parecen irrelevantes
para esta primera decisión. Los siguientes tres procesos de elección deben ser interpretados de
manera conjunta. En términos generales es posible identificar que hay diferencias de género
importantes en lo retornos a las habilidades cognitivas y no cognitivas en cada una de las tres
variables de resultado analizadas. Ello se encuentra explicado por la importancia de considerar
la dinámica detrás de la elección de la ocupación y por el hecho de que las mujeres tienen un
mayor nivel de habilidades no cognitivas, las cuales a su vez cuentan con un retorno negativo. A
propósito de ello, es posible interpretar que los hombres ganan mayores salarios por haber sido
empleados en ocupaciones que premian (más) las habilidades cognitivas. Ello, de la mano del
hecho de que los hombres gozan de un mayor nivel de este tipo de habilidades, ayuda a explicar
[1] [2] [3] [4]
Brecha salarial 0,241*** 0,241*** 0,241*** 0,241***
.(0,032) .(0,027) .(0,032) .(0,035)
Niveles 0,419*** 0,607*** 0,458*** 0,618***
.(0,117) .(0,134) .(0,148) .(0,152)
Retornos .-0,178 .-0,366*** .-0,160 .-0,367***
.(0,124) .(0,136) .(0,157) .(0,141)
Cognitiva 0,026*** 0,037*** 0,034*** 0,043***
.(0,008) .(0,010) .(0,011) .(0,013)
No cognitiva 0,393*** 0,580*** 0,424*** 0,585***
.(0,115) .(0,132) .(0,144) .(0,148)
Cognitiva 0,540*** 0,477*** 0,544*** 0,481***
.(0,178) .(0,254) .(0,180) .(0,187)
No cognitiva 0,049 0,004 0,063 .-0,001
.(0,186) .(0,272) .(0,265) .(0,270)
Número observaciones 4.079 4.079 4.079 4.079
Controles No Sí No Sí
Interacciones No No Sí Sí
Niveles
Retornos
32
la existencia de una brecha salarial de género que favorece a los hombres. Asimismo, el análisis
conjunto pone en evidencia que el retorno a las habilidades no cognitivas en términos de empleo
y salarios es mayor para los hombres aun cuando estos presentan un menor acervo de este tipo
de habilidades.
Tabla 11. Estimación conjunta con habilidades latentes
Nota: * indica un nivel de significancia del 10%; ** indica un nivel de significancia del 5%; y *** un indica un nivel
de significancia del 1%. El término de interacción equivale al producto: (Hombre)*(Habilidad Latente).
Fuente: Elaboración propia, 2013.
En contraste con los resultados de la estimación conjunta utilizando medidas de habilidad, en
este caso es posible identificar que las diferencias entre géneros en habilidades cognitivas y no
cognitivas a favor de los hombres se reducen cuando se consideran las habilidades latentes. En
el caso de las habilidades cognitivas, las brechas se tornan significativas a favor de las mujeres.
Más aún, el retorno a ambos tipos de habilidad latente gana significancia estadística en la
ecuación de la decisión de la ocupación. Esta evidencia favorece la hipótesis de que gran parte
de las diferencias atribuibles a brechas de habilidad ocurren en la dinámica que gobierna la
elección de ocupaciones.
3. Pruebas de robustez: soporte común
A fin de obtener proxies de las habilidades cognitivas y no cognitivas latentes, el procedimiento
propuesto requiere de un método de imputación (para la muestra de ENHAB) sobre la base de
una estimación realizada en otra base de datos (ENM). Si bien se han presentado estadísticos
descriptivos acerca de los estimados y predicciones de las habilidades latentes para las muestras
de ENM y ENHAB, respectivamente, la literatura empírica sugiere que se trabaje con el soporte
común. El soporte común se encuentra determinado por el área que comparten las distribuciones
de las habilidades latentes estimadas y predichas.
Modelos Educación Empleo Ocupación Salarios por hora
Cognitiva (mujeres) 0,055*** .-0,014*** 0,065*** .-0,076***
.(0,004) .(0,002) .(0,004) .(0,018)
Interacción c/cognitiva .-0,005 .-0,009*** .-0,014*** .-0,055***
.(0,003) .(0,002) .(0,004) .(0,017)
No cognitiva (mujeres) 0,109 .-0,117 .-1,539*** .-3,013
.(0,443) .(0,298) .(0,483) .(2,314)
Interacción c/no cognitiva .-0,515 0,817** .-1,347*** 5,794***
.(0,438) .(0,319) .(0,512) .(2,463)
Número observaciones 7.499
33
Las figuras en los anexos 1 y 2 muestran las distribuciones de las habilidades cognitivas y no
cognitivas latentes, respectivamente para las muestras de Niños del Milenio y ENHAB tanto
para hombres como para mujeres. En todos los casos, la distribución correspondiente a la
muestra de Niños del Milenio evidencia una mayor varianza que la muestra ENHAB, por tanto,
el soporte común acota únicamente a la muestra de Niños del Milenio. Por tanto, luego de
calcular los límites superior e inferior de cada una de las distribuciones correspondientes a la
muestra de ENHAB se reestimaron los efectos fijos con la submuestra de Niños del Milenio
cuyo efecto fijo inicial se encontraba comprendido en el soporte común inicial. Así, se predijo
nuevamente hacia la muestra de ENHAB para luego comparar la distribución de los efectos fijos
con el soporte común. No obstante, las figuras de los anexos 3 y 4 ponen en evidencia la poca
ganancia que dicho procedimiento genera. Más aun, el acotar la muestra de Niños del Milenio
genera una disminución significativa del número de observaciones lo cual impacta
negativamente en la precisión de los estimados obtenidos con el soporte común.
Tras observar que acotar la muestra sobre la base del soporte común no contribuye a la
obtención de mejores estimados sino que los perjudica, se optó por mantener el análisis
desarrollado hasta la sección previa haciendo uso de la muestra completa de Niños del Milenio y
la información correspondiente de las variables relevantes.
4. Limitaciones
El procedimiento de estimación propuesto y los resultados derivados del mismo no están libres
de limitaciones. La principal limitación es la poca disponibilidad de información de los niños a
temprana edad. La literatura en torno a la formación de habilidades y la relación entre
habilidades, educación y salarios sugiere utilizar habilidades latentes como una aproximación a
las habilidades innatas en tanto que estén limpias de cualquier evento experimentado más
adelante en la vida. En este documento de investigación, las habilidades latentes que puedo
estimar son aquellas que se encuentran fijas a partir de los 12 años de edad, las cuales
probablemente difieran significativamente de las habilidades innatas (especialmente en el caso
de habilidades no cognitivas). Por tanto, las diferencias estimadas en habilidades no observables
podrían ser el resultado de estos factores no observables.
Una segunda limitación es el hecho de que las medidas de habilidad no cognitiva recogidas en la
base de datos del Estudio de Niños del Milenio no corresponden a los mismos aspectos de la
personalidad que las recogidas en la base de datos de la ENHAB. La literatura relacionada
34
sugiere que esto no es un problema para las habilidades cognitivas, pero si podría serlo para las
no cognitivas. En las regresiones por mínimos cuadrados ordinarios mostradas en la sección
previa se podía observar cómo mientras algunas habilidades no cognitivas evidenciaban una
relación positiva con los salarios, otras evidenciaban una negativa. Sin embargo, este tema es
consecuencia de la poca disponibilidad de información y lo que se presenta en este documento
es una primera aproximación.
Finalmente, una última limitación es que aquello que interpretamos como “brecha no explicada”
puede ser explicado por heterogeneidad en preferencias u otros aspectos de la personalidad no
observables.
35
Conclusiones y recomendaciones
1. Este documento muestra evidencia preliminar acerca del rol de las habilidades cognitivas y
no cognitivas en la brecha salarial de género no explicada. En un primer intento por estimar
el efecto de dichas habilidades en los salarios, se llevó a cabo una aproximación empírica
que modela los salarios en función de medidas de habilidad. Se complementó el trabajo con
un procedimiento que permite estimar proxies de habilidades latentes para estimar un
modelo en función de habilidades latentes. El modelo está basado en lo propuesto por
Heckman et al. (2006). Mientras dichos autores identifican las habilidades latentes en la
dependencia de diferentes medidas de habilidad para un mismo periodo de tiempo, en este
documento se utiliza la variación en el tiempo para una misma medida de habilidad. Esto es
posible gracias a la disponibilidad de información de datos de panel acerca de medidas de
habilidad cognitiva y no cognitiva. Asimismo, se estimó un modelo conjunto de educación,
empleo, ocupación y salarios a fin de identificar los efectos de las habilidades latentes en la
brecha salarial de género en las decisiones del individuo previas a la obtención de un
determinado nivel de salario.
2. La principal contribución es analizar el rol de las habilidades latentes cognitivas y no
cognitivas en la brecha salarial de género en un país en vías de desarrollo por medio de la
estimación y consideración de proxies de habilidades latentes distinguiendo los efectos de
dichas habilidades haciendo uso de un modelo conjunto de educación, empleo, ocupación y
salarios.
3. El procedimiento econométrico y el modelo desarrollados en este documento evidencian
algunos hechos importantes. En primer lugar, se confirma la existencia de una brecha
salarial de género estadísticamente significativa para el Perú. Estimaciones con medidas de
habilidad confirman lo propuesto en la literatura empírica respecto a los problemas de
endogeneidad que surgen al utilizar puntajes de pruebas como medidas de habilidad. La
descomposición de Blinder-Oaxaca en un modelo de medidas de habilidad evidencia la
existencia de diferencias de género significativas en la dotación de habilidades cognitivas y
la ausencia de diferencias relevantes en términos de habilidades no cognitivas (en dotación
y retornos). La estimación de un modelo conjunto, por otro lado, muestra que las diferencias
en habilidades cognitivas y no cognitivas entre hombres y mujeres son importantes, pero
para las decisiones previas a la determinación del salario. Las habilidades cognitivas
36
parecen ser relevantes para determinar los años de educación y la elección de ocupación
mientras que las no cognitivas lo son para el empleo y los salarios.
4. La aplicación de un modelo de efectos fijos para la identificación de proxies de habilidades
latentes cognitivas y no cognitivas conllevan a una relación más clara entre habilidades y
salario. Como consecuencia del procedimiento de estimación de las habilidades latentes fue
posible llevar a cabo una descomposición más precisa de la brecha salarial de género. Al
estimar la ecuación de salarios en función de medidas de habilidad se obtienen estimados
sesgados como consecuencia de la dependencia de estas y el nivel educativo y la naturaleza
endógena de esta última variable. Luego de identificar proxies para las habilidades latentes,
es posible obtener estimados sin sesgos y, por tanto, la contribución real de las habilidades
en los salarios (hasta el momento condicional a la elección de ocupación). Las habilidades
latentes resultaron ser estadísticamente significativas para el salario promedio de la muestra
así como para las diferencias de género. En particular, diferencias en la dotación de
habilidades no cognitivas parecen contribuir negativamente a la brecha salarial de género.
Las mujeres parecen recibir menores salarios que los hombres ya que cuentan con una
mayor dotación de habilidades no cognitivas, las cuales son valoradas negativamente
(castigadas) en el mercado laboral. No se encontraron diferencias de género significativas
en el retorno de las habilidades cognitivas. Más aun, la estimación del modelo conjunto
pone en evidencia que la brecha salarial de género observada es atribuible principalmente a
diferencias en la elección de ocupación entre hombres y mujeres. Las habilidades cognitivas
y no cognitivas son valoradas de forma distinta para hombres y mujeres en cuanto a las
decisiones de educación, empleo y salario, pero principalmente los hombres ganan mayores
salarios porque se autoseleccionan en ocupaciones que premian habilidades cognitivas, cuya
dotación es mayor en hombres que en mujeres.
5. En síntesis, es posible concluir que el procedimiento propuesto para la estimación de las
habilidades latentes, aun cuando no está libre de limitaciones, conlleva a resultados
razonables a la luz de la literatura empírica relacionada en cuanto a la relación entre salario,
educación y habilidades.
6. Algunas extensiones a raíz de este documento serían la estimación de los efectos marginales
de las habilidades latentes en las decisiones de educación, empleo, ocupación y salarios, el
análisis de la brecha salarial de género por cuartiles de ingreso, y la aplicación de la
37
estrategia de identificación de Heckman et al. (2006) que utiliza el puntaje de distintas
pruebas para una misma habilidad en el mismo periodo de tiempo.
38
Bibliografía
Banco Mundial (2010) “Encuesta Nacional de Habilidades y Mercado Laboral” [Base de datos
digital]. Lima: Banco Mundial.
Bassi, Marisa y Galiani, Sebastián. (2009). "Labor Market Insertion of Young Adults in Chile".
Banco Interamericano de Desarrollo (BID). Mimeo.
Bowles, Samuel y Gintis, Herbert. (1976). Schooling in Capitalist America: Educational
Reform and the Contradictions of Economic Life. New York: Basic Books.
Boyden, J. (2011a). “Young Lives: an International Study of Childhood Poverty: Round 2,
2006”. [Computer file]. Colchester, Essex: UK Data Archive [distributor]. SN: 6852. Fecha de
consulta: 30/01/2013. Disponible en: <http://dx.doi.org/10.5255/UKDA-SN-6852-1>.
Boyden, J. (2011b). “Young Lives: an International Study of Childhood Poverty: Round 3,
2009”. [Computer file]. Colchester, Essex: UK Data Archive [distributor]. SN: 6853. Fecha de
consulta: 30/01/2013. Disponible en: <http://dx.doi.org/10.5255/UKDA-SN-6853-1>.
Cobb-Clark, Deborah A. y Tan, Michelle. (2011). "Noncognitive Skills, Occupational
Attainment, and Relative Wages". En; Labour Economics. Vol. 18, N°1
Cunha, Flavio y Heckman, James. (2007). "The Technology of Skill Formation". En: American
Economic Review. Vol. 97, N° 2.
Cunha, Flavio; Heckman, James J.: Lochner, Lance; y Masterov, Dimitriy V. (2006).
"Interpreting the evidence on life cycle skill formation". En: Hanushek, E. A. y Welch, F.
(Eds.). (2006). Handbook of the Economics of Education, Ch. 12. Amsterdam: North-Holland.
Cunha, Flavio; Heckman, James J.; y Schennach, Susanne M. (2010) "Estimating the
technology of cognitive and noncognitive skill formation". En: Econométrica. Vol. 78, N°3.
Díaz, Juan J.; Arias, Omar y Vera Tudela, David. (2012). “Does Perseverance Pay as Much as
Being Smart?: The Returns to Cognitive and Non-cognitive Skills in urban Perú”. Mimeo.
Duckworth, A.L.; Peterson, C.; Mathews, M.D. y Kelly, D.R. (2007). “Grit: Perseverance and
passion for long term goals”. En: Journal of Personality and Social Psychology, Vol. 92, N°6.
Edwards, Richard C. (1976). "Personal Traits and Success in Schooling and Work". En:
Journal of Human Resources. Vol. 11, N°1.
Fortin, Nicole M. (2008). "The Gender Wage Gap among Young Adults in the United States:
The Importance of Money versus People". En: Journal of Human Resources. Vol. 43, N°4.
39
Goldberg, L.R. (1990). “An alternative ‘description of personality’: The Big-Five factor
structure”. En: Journal of Personality and Social Psychology. Vol. 59.
Grove, Wayne A.; Hussey, Andrew; y Jetter, Michael. (2011). "The Gender Pay Gap Beyond
Human Capital: Heterogeneity in Noncognitive Skills and in Labor Market Tastes". En:
Journal of Human Resources. Vol. 46, N°4.
Hansen, Karsten T.; Heckman, James J. y Mullen, Kathleen J. (2004). "The effect of schooling
and ability on achievement test scores". En: Journal of Econometrics. Vol. 121, N° 1-2.
Heckman, James J.; Stixrud, Jora y Urzúa, Sergio. (2006). "The Effects of Cognitive and
Noncognitive Abilities on Labor Market Outcomes and Social Behavior". En: Journal of Labor
Economics. Vol. 24, N°3.
Helmers, Christian y Patnam, Manasa. (2011). "The formation and evolution of childhood skill
acquisition: Evidence from India". En: Journal of Development Economics. Vol. 95, N° 2.
Herrnstein, Richard J. y Murray, Charles. (1994). The Bell Curve: Intelligence and Class
Structure in American Life. New York: Free Press.
Huttly, S. y Jones, N. (2011). “Young Lives: an International Study of Childhood Poverty:
Round 1, 2002”. [Computer file]. Cuarta edición. Colchester, Essex: UK Data Archive
[distributor]. SN: 5307. Fecha de consulta: 30/01/2013. Disponible en:
<http://dx.doi.org/10.5255/UKDA-SN-5307-1>.
Klein, Roger; Spady, Richard; y Weiss, Andrew. (1991). "Factors Affecting the Output and
Quit Propensities of Production Workers". En: Review of Economic Studies. Vol.58, N°2.
Murnane, Richard J.; Willett, John B.; y Levy, Frank. (1995). "The growing importance of
cognitive skills in wage determination". En: The Review of Economics and Statistics. Vol. 77,
N°2. Boston: MIT Press.
Neal, Derek A. y Johnson, William R. (1996). "The role of premarket factors in black-white
wage differences". En: Journal of Political Economy. Vol. 104, N°5.
Ritter, Joseph A. y Taylor, Lowell J. (2011). "Racial Disparity in Unemployment". En: The
Review of Economics and Statistics. Vol. 93, N°1. Boston: MIT Press.
Urzúa, Sergio; Bravo, David y Sanhueza, Claudia. (2009). "Ability, Schooling Choices and
Gender Labor Market Discrimination: Evidence for Chile". En: Ñopo, Hugo; Chong, Alberto; y
Moro, Andrea. (Eds.). (2009). Discrimination in Latin America: An Economic Perspective.
Washington DC: Inter-American Development Bank.
40
Anexos
41
Anexo 1. Componentes psicosociales – muestras de ENM
Ronda 2
Fu
ente
: B
oyd
en,
201
1a.
Ela
bo
raci
ón
: P
ropia
, 20
13
.
42
Anexo 1. Componentes psicosociales – muestras de ENM (continúa de la página anterior)
Ronda 3
Fu
ente
: B
oyd
en,
201
1b
.
Ela
bo
raci
ón
: P
ropia
, 20
13
.
43
Anexo 2. Habilidades latentes y soporte común
Figura 1. Distribución de habilidades cognitivas
Panel A: mujeres
Panel B: hombres
Figura 2. Distribución de habilidades no cognitivas
Panel A: mujeres
44
Anexo 2. Habilidades latentes y soporte común (continúa de la página anterior)
Figura 2. Distribución de habilidades no cognitivas (continúa de la página anterior)
Panel B: hombres
Figura 3. Distribución de habilidades cognitivas (soporte común)
Panel A: mujeres
Panel B: hombres
45
Anexo 2. Habilidades latentes y soporte común (continúa de la página anterior)
Figura 4. Distribución de habilidades no cognitivas (soporte común)
Panel A: mujeres
Panel B: hombres
46
Nota biográfica
Luciana Velarde Arrisueño
Bachiller en Economía por la Universidad del Pacífico (2011) con concentración en el sector
público y teoría económica; graduada del Curso de Extensión Universitaria de Economía del
Banco Central de Reserva del Perú (2011) y egresada de la Maestría en Economía de la
Universidad del Pacífico (2013). Se ha desempeñado como asistente de investigación en el
Centro de Investigación de la Universidad del Pacífico (CIUP) en el área de Políticas Sociales, y
como analista de Calidad de la Información en el Ministerio de Desarrollo e Inclusión
Social. Desde el 2014 se desempeña como Profesional Asociada Junior en Educación del Banco
Mundial en Perú.